Operasi Morfologi. Kartika Firdausy - UAD blog.uad.ac.id/kartikaf. Teknik Pengolahan Citra
|
|
- Lanny Lesmana
- 6 tahun lalu
- Tontonan:
Transkripsi
1 Operasi Morfologi Kartika Firdausy - UAD pvisual@ee.uad.ac.id blog.uad.ac.id/kartikaf
2 Setelah mempelajari materi ini, mahasiswa diharapkan mampu: mengidentifikasi prosedur operasi morfologi menerapkan berbagai teknik pada operasi morfologi yaitu pencarian batas/kontur, dilasi, erosi, penutupan, pembukaan, pengisian, dan pelabelan menerapkan teknik skeletonisasi untuk pengenalan pola
3 Operasi Morfologi didasarkan pada bentuk segmen atau region dalam citra segmen obyek yang menjadi perhatian Segmentasi membedakan antara obyek dan latar operasi pengambangan
4 Nilai biner dari citra hasil merepresentasikan 2 keadaan: obyek bukan obyek (latar) titik obyek : hitam (nilai 0) titik latar : putih (nilai 1) Hasil operasi morfologi dapat dimanfaatkan untuk pengambilan keputusan dengan analisis lebih lanjut
5 Operasi ini antara lain meliputi: pencarian batas/kontur, dilasi, erosi, penutupan (closing), pembukaan (opening), pengisian (filling), pelabelan, pengerangkaan (skeletonization)
6 didasarkan pada nilai-nilai dari tetangga langsung di sekeliling titik obyek yang ditinjau (Moore neighborhood)
7 operasi terhubung-4 (4-connected) tetangga yang diperhatikan hanya yang langsung bersebelahan, yaitu titik di sebelah kiri, kanan, atas dan bawah, p2 p8 p1 p4 p6 p2 p1 p6 p3 p4 p5 operasi terhubung-8 (8-connected) tetangga diagonalnya diikutsertakan p2 p8 p1 p4 p6 p9 p2 p3 p8 p1 p4 p7 p6 p5
8 Beberapa definisi yang dipakai dalam operasi morfologi: Titik obyek, adalah titik yang merupakan bagian dari obyek (p1 = obyek) Titik latar, adalah titik yang merupakan bagian dari latar (p1 = latar) B(p1) = banyaknya tetangga dari p1 yang merupakan titik obyek A(p1) = banyaknya pola latar, obyek untuk urutan p2- p4-p6-p8-p2 pada operasi terhubung-4 atau urutan p2- p3-p4-p5-p6-p7-p8-p9-p2 pada operasi terhubung-8. Titik terisolasi, adalah titik obyek yang semua tetangganya adalah titik latar. B(p1) = 0.
9 Titik ujung, adalah titik obyek yang mempunyai tepat sebuah tetangga yang merupakan titik obyek juga. B(p1) = 1. Titik batas, adalah titik obyek yang salah satu atau lebih tetangganya adalah titik latar. B(p1) < 4 pada operasi terhubung-4 dan B(p1) < 8 pada operasi terhubung-8. Apabila semua titik tetangganya adalah titik obyek maka dapat dipastikan titik tersebut berada di dalam obyek (bukan titik batas). Titik simpel, adalah titik obyek yang jika diubah menjadi titik latar maka tidak mengubah kondisi hubungan antar titik-titik obyek tetangganya.
10 Sebagai ilustrasi, pandang contoh berikut dengan menggunakan nilai 0 untuk titik obyek dan 1 untuk titik latar Terhubung 4 Terhubung Titik terisolasi Titik batas 1 0
11 Titik batas Terhubung Terhubung
12 Pencarian Batas/Kontur Menentukan batas/kontur dari segmen obyek Dilakukan terhadap titik-titik obyek Algoritma untuk operasi pencarian batas citra Set citra hasil sama dengan citra asal Untuk semua titik dalam citra asal: Cek apakah titik tersebut titik obyek Jika ya cek apakah titik tersebut adalah titik batas Jika ya maka titik tersebut tetap titik obyek Jika tidak maka ubah titik pada citra hasil menjadi titik latar Jika tidak maka lanjutkan
13 Hasil operasi pencarian batas Citra asli Citra batas terhubung-4 Citra batas terhubung-8
14 Dilasi memperbesar ukuran segmen obyek dengan menambah lapisan di sekeliling obyek 2 cara : 1. mengubah semua titik latar yang bertetangga dengan titik batas menjadi titik obyek (set setiap titik yang tetangganya adalah titik obyek menjadi titik obyek) 2. mengubah semua titik di sekeliling titik batas menjadi titik obyek, (set semua titik tetangga sebuah titik obyek menjadi titik obyek) Algoritma untuk operasi dilasi citra biner Untuk semua titik dalam citra Cek apakah tersebut titik obyek Jika ya maka ubah semua tetangganya menjadi titik obyek Jika tidak maka lanjutkan
15 Hasil operasi dilasi Citra asli Citra dilasi terhubung-4 Citra dilasi terhubung-8
16 Erosi kebalikan dari operasi dilasi ukuran obyek diperkecil dengan mengikis sekeliling obyek. 2 cara: 1. mengubah semua titik batas menjadi titik latar 2. set semua titik di sekeliling titik latar menjadi titik latar Algoritma untuk operasi erosi citra biner Untuk semua titik dalam citra Cek apakah tersebut titik latar Jika ya maka ubah semua tetangganya menjadi titik latar Jika tidak maka lanjutkan
17 Hasil operasi erosi Citra asli Citra erosi terhubung-4 Citra erosi terhubung-8
18 Penutupan (Closing) kombinasi antara operasi dilasi dan erosi yang dilakukan secara berurutan. menutup atau menghilangkan lubang-lubang kecil yang ada dalam segmen obyek. menggabungkan 2 segmen obyek yang saling berdekatan (menutup sela antara 2 obyek yang sangat berdekatan). dapat dilakukan dalam beberapa rangkaian dilasi-erosi (misalnya 3 kali dilasi, lalu 3 kali erosi) apabila ukuran lubang atau jarak antar obyek cukup besar.
19 Hasil operasi penutupan (closing) Citra asli Citra closing terhubung-4 Citra closing terhubung-8
20 Pembukaan (Opening) kombinasi antara operasi erosi dan dilasi yang dilakukan secara berurutan, memutus bagian-bagian dari obyek yang hanya terhubung dengan 1 atau 2 buah titik saja. untuk menghilangkan obyek yang sangat kecil
21 Hasil operasi pembukaan (opening) Citra asli Citra opening terhubung-4 Citra opening terhubung-8
22 Pengisian (Filling) kebalikan dari operasi pencarian batas citra citra masukan adalah citra batas/kontur kemudian dilakukan pengisian sehingga diperoleh segmen obyek yang pejal/solid tentukan titik awal pengisian yang terletak di dalam obyek kemudian bergerak ke arah titik-titik tetangganya operasi dilakukan secara rekursif berhenti jika sampai di batas obyek.
23 Algoritma untuk operasi pengisian citra secara terhubung-4 Tentukan titik awal pengisian di dalam obyek yang akan diisi /* berikut adalah bagian rekursif */ Set titik tersebut menjadi titik obyek Cek apakah titik tetangga atasnya adalah titik latar Jika ya maka lakukan hal yang sama untuk titik tersebut Jika tidak maka lanjutkan Cek apakah titik tetangga kanannya adalah titik latar Jika ya maka lakukan hal yang sama untuk titik tersebut Jika tidak maka lanjutkan Cek apakah titik tetangga bawahnya adalah titik latar Jika ya maka lakukan hal yang sama untuk titik tersebut Jika tidak maka lanjutkan Cek apakah titik tetangga kirinya adalah titik latar Jika ya maka lakukan hal yang sama untuk titik tersebut Jika tidak maka lanjutkan
24 Hasil operasi pengisian terhubung-4 Citra asli pengisian mulai dari titik A pengisian mulai dari titik B
25 Pelabelan Obyek untuk membedakan antara sebuah obyek dengan obyek yang lain hampir mirip dengan operasi pengisian, yakni menggunakan teknik rekursi. mula-mula dideteksi lokasi sebuah titik yang merupakan bagian dari sebuah obyek lakukan pengisian dengan suatu nilai (label) terhadap obyek tersebut dari lokasi tersebut sampai menemui batas luarnya (menabrak titik latar) lanjutkan mendeteksi lokasi yang merupakan titik obyek namun belum terisi oleh operasi tadi atau belum diberi label lakukan pengisian lagi dengan nilai label yang berbeda ulangi sampai semua titik dalam citra tersebut diperiksa
26 Hasil operasi pelabelan terhubung-4 Citra asli Citra hasil
27 Pengerangkaan (Skeletonization) proses pengikisan sebuah obyek sebanyak mungkin dengan tetap mempertahankan bentuk umum dari polanya Sifat 1. Ketipisan: kerangka obyek berukuran setipis mungkin (1 atau 2 titik) 2. Konektivitas: kerangka dari suatu obyek terhubung satu sama lain sesuai dengan topologi pola aslinya 3. Posisi: letak kerangka berada tepat di tengah obyek 4. Stabilitas: setelah suatu bagian kerangka diperoleh, maka bagian tersebut tidak akan terkikis lagi oleh operasi pengikisan berikutnya
28 Algoritma Hilditch 1.) 2 B(p1) 6 p1 p1 p1 p1 (a) B(p1) = 0 (b) B(p1) = 1 (c) B(p1) = 7 (d) B(p1) =8
29 Algoritma Hilditch 2.) A(p1) =1 Contoh titik yang tidak memenuhi kriteria 2 algoritma Hilditch p1 p1 p1 (a) A(p1) = 2 (b) A(p1) = 2 (c) A(p1) = 3
30 Algoritma Hilditch 3.) p2, p4, atau p8 ada yang merupakan titik latar, atau A(p2) 1 untuk menghindarkan terhapusnya garis horisontal dengan lebar 2 titik p2 p2 p2 p8 p1 p4 p8 p1 p4 p8 p1 p4 (a) garis vertikal (b) p2, p4, p8 latar (c) p2, p4, atau p8 = latar berlebar 2 titik A(p2) 1 A(p2) = 1 Contoh titik pada kriteria 3 algoritma Hilditch (yang tidak dihapus)
31 Algoritma Hilditch 4.) p2, p4, atau p6 ada yang merupakan titik latar, atau A(p4) 1 untuk menghindarkan terhapusnya garis vertikal dengan lebar 2 titik p2 p2 p2 p1 p4 p1 p4 p1 p4 p6 p6 p6 (a) garis vertikal (b) p2, p4, p6 latar (c) p2, p4, atau p6 = latar berlebar 2 titik A(p4) 1 A(p4) = 1 Contoh titik pada kriteria 4 algoritma Hilditch (yang tidak dihapus)
32 Referensi Firdausy, K, 2003, Diktat Kuliah Teknik Pengolahan Citra, Program Studi Teknik Elektro, Universitas Ahmad Dahlan Castleman, K.R., 1996, Digital Image Processing, Prentice-Hall,Inc., New Jersey Jain, A.K., 1989, Fundamental of Digital Image Processing, Prentice-Hall,Inc., New Jersey I.T. Young, J.J. Gerbrands, L.J. van Vliet, Image Processing Fundamentals,
By Emy. 2 of By Emy
2 1 3 Kompetensi Mampu menjelaskan dan operasi morfologi Mampu menerapkan konsep morfologi untuk memperoleh informasi yang menyatakan deskripsi dari suatu benda pada citra mampu membangun aplikasi untuk
Lebih terperinciOperasi Bertetangga (1)
Operasi Bertetangga () Kartika Firdausy - UAD kartika@ee.uad.ac.id blog.uad.ac.id/kartikaf Setelah mempelajari materi ini, mahasiswa diharapkan mampu: menjelaskan alasan diperlukannya operasi bertetangga
Lebih terperinciOperasi Geometri (1) Kartika Firdausy UAD blog.uad.ac.id/kartikaf. Teknik Pengolahan Citra
Operasi Geometri (1) Kartika Firdausy UAD tpcitra@ee.uad.ac.id blog.uad.ac.id/kartikaf Setelah mempelajari materi ini, mahasiswa diharapkan mampu: menjelaskan prosedur operasi geometri menerapkan metode
Lebih terperinciSetelah mempelajari materi ini, mahasiswa diharapkan mampu:
Operasi Geometri (1) Kartika Firdausy UAD tpcitra@ee.uad.ac.id id blog.uad.ac.id/kartikaf Setelah mempelajari materi ini, mahasiswa diharapkan mampu: menjelaskan prosedur operasi geometri menerapkan metode
Lebih terperinciOperasi Geometri (2) Kartika Firdausy UAD blog.uad.ac.id/kartikaf. Teknik Pengolahan Citra
Operasi Geometri () Kartika Firdaus UAD tpcitra@ee.uad.ac.id blog.uad.ac.id/kartikaf Setelah mempelajari materi ini, mahasiswa diharapkan mampu: menerapkan aplikasi pada operasi geometri aitu: pencerminan
Lebih terperinciTeknik Pengolahan Citra. by Kartika Firdausy
Teknik Pengolahan Citra by Kartika Firdausy 081.328.718.768 tpcitra@ee.uad.ac.id TUJUAN Mahasiswa mampu: Menggunakan berbagai teknik pengolahan untuk memperoleh kualitas citra digital yang sesuai dengan
Lebih terperinciBatra Yudha Pratama m111511006@students.jtk.polban.ac.id
Operasi Morfologi Pada Citra Biner Batra Yudha Pratama m111511006@students.jtk.polban.ac.id Lisensi Dokumen: Seluruh dokumen di IlmuKomputer.Com dapat digunakan, dimodifikasi dan disebarkan secara bebas
Lebih terperinciOperasi Titik Kartika Firdausy
Operasi Titik Kartika Firdausy tpcitra@ee.uad.ac.id blog.uad.ac.id/kartikaf 2262230 Setelah mempelajari materi ini, mahasiswa diharapkan mampu: mengidentifikasi Fungsi Transformasi Skala Keabuan menjelaskan
Lebih terperinciDETEKSI TEPI MENGGUNAKAN METODE CANNY DENGAN MATLAB UNTUK MEMBEDAKAN UANG ASLI DAN UANG PALSU ABSTRAKSI
DETEKSI TEPI MENGGUNAKAN METODE CANNY DENGAN MATLAB UNTUK MEMBEDAKAN UANG ASLI DAN UANG PALSU ABSTRAKSI Peredaran uang palsu dari tahun ke tahun terus mengalami peningkatan. Peningkatan ini dikarena mudahnya
Lebih terperinciSetelah mempelajari materi ini, mahasiswa diharapkan mampu:
Operasi Geometri () Kartika Firdaus UAD tpcitra@ee.uad.ac.id blog.uad.ac.id/kartikaf Setela mempelajari materi ini, maasisa diarapkan mampu: menerapkan aplikasi pada operasi geometri aitu: pencerminan
Lebih terperinciBAB 2 TINJAUAN TEORITIS
BAB 2 TINJAUAN TEORITIS 2.1 Citra RGB Suatu citra biasanya mengacu ke citra RGB. Citra (image) merupakan suatu yang menggambarkan objek dan biasanya dua dimensi. Citra merupakan suatu representasi, kemiripan
Lebih terperinciPENGOLAHAN CITRA DIGITAL
PENGOLAHAN CITRA DIGITAL Materi 15 Morfologi (Lanjutan) M. Miftakul Amin, M. Eng. JURUSAN TEKNIK KOMPUTER POLITEKNIK NEGERI SRIWIJAYA TINJAUAN MATEMTIKA EROSI Operasi erosi dirumuskan sebagai berikut:
Lebih terperinciBAB 4 IMPLEMENTASI DAN PENGUJIAN. perangkat lunak yang sama untuk semua pengujian. analisa citra bioinformatika ini dalah sebagai berikut:
BAB 4 IMPLEMENTASI DAN PENGUJIAN 4.1 Spesifikasi Sistem Perangkat analisis citra bioinformatika ini menggunakan perangkat keras dan perangkat lunak yang sama untuk semua pengujian. 4.1.1 Spesifikasi Perangkat
Lebih terperinciGARIS-GARIS BESAR PROGRAM PERKULIAHAN (GBPP)
GARIS-GARIS BESAR PROGRAM PERKULIAHAN (GBPP) Mata Kuliah: Pengolahan dan Pengenalan Pola; Kode/Bobot : TSK 713/ 2 sks; Deskripsi Mata Kuliah: Mata kuliah ini berisi konsep teori, teknik-teknik dan aplikasi
Lebih terperinciDAFTAR ISI. ABSTRAK... i ABSTRACT... ii KATA PENGANTAR... iii DAFTAR ISI...v DAFTAR GAMBAR...viii DAFTAR TABEL...x
ABSTRAK Dalam suatu sistem biasanya diperlukan suatu otentikasi berupa Personal Identification Number (PIN) atau password. Sehingga ada kemungkinan password dan PIN ini hilang atau diketahui orang lain.
Lebih terperinciImplementasi Morphology Concept and Technique dalam Pengolahan Citra Digital Untuk Menentukan Batas Obyek dan Latar Belakang Citra
Implementasi Morphology Concept and Technique dalam Pengolahan Citra Digital Untuk Menentukan Batas Obyek dan Latar Belakang Citra Eddy Nurraharjo Program Studi Teknik Informatika, Universitas Stikubank
Lebih terperinciSILABUS MATAKULIAH. Indikator Pokok Bahasan/Materi Aktifitas Pembelajaran
SILABUS MATAKULIAH Revisi : - Tanggal Berlaku : September 2014 A. Identitas 1. Nama Matakuliah : A11. 54521 / Pengolahan Citra Digital 2. Program Studi : Teknik Informatika-S1 3. Fakultas : Ilmu Komputer
Lebih terperinciTEKNIK PENGOLAHAN CITRA. Kuliah 10 Mathematical Morphology. Indah Susilawati, S.T., M.Eng.
TEKNIK PENGOLAHAN CITRA Kuliah 10 Mathematical Morphology Indah Susilawati, S.T., M.Eng. Program Studi Teknik Elektro Program Studi Teknik Informatika Fakultas Teknik dan Ilmu Komputer Universitas Mercu
Lebih terperinciOleh: Riza Prasetya Wicaksana
Oleh: Riza Prasetya Wicaksana 2209 105 042 Pembimbing I : Dr. I Ketut Eddy Purnama, ST., MT. NIP. 196907301995121001 Pembimbing II : Muhtadin, ST., MT. NIP. 198106092009121003 Latar belakang Banyaknya
Lebih terperinci1. Pendahuluan Gait Recognition atau sistem pengenalan gaya gerak berjalan manusia merupakan salah satu sistem di bidang keamanan biometrik yang menga
Skeletonisasi Citra Pembentukan Rangka Tubuh Manusia Dengan MATLAB 7.12 Megarani Tiara Putri Fakultas Teknologi Industri Universitas Gunadarma Jl. Margonda Raya, 100, Pondok Cina, Depok Telp: (021) 78881112
Lebih terperinciPENDETEKSIAN POSISI PLAT NOMOR KENDARAAN MENGGUNAKAN METODE MORFOLOGI MATEMATIKA
PENDETEKSIAN POSISI PLAT NOMOR KENDARAAN MENGGUNAKAN METODE MORFOLOGI MATEMATIKA Nanang Trisnadik *), Achmad Hidayatno, and R. Rizal Isnanto Jurusan Teknik Elektro, Universitas Diponegoro Semarang Jl.
Lebih terperinciALGORITMA IMAGE THINNING
ALGORITMA IMAGE THINNING Oleh Zurnawita dan Zulharbi Suar Staf Pengajar Teknik Elektro Politeknik Negeri Padang ABSTRACT Using image thinning algorithm, various example of application is processing image
Lebih terperinciTEKNIK PENGOLAHAN CITRA. Kuliah 11 Mathematical Morphology. Indah Susilawati, S.T., M.Eng.
TEKNIK PENGOLAHAN CITRA Kuliah 11 Mathematical Morphology Indah Susilawati, S.T., M.Eng. Program Studi Teknik Informatika/Sistem Informasi Fakultas Teknologi Informasi Universitas Mercu Buana Yogyakarta
Lebih terperinci10/11/2014. CIG4E3 / Pengolahan Citra Digital BAB 10. Morphological Image Processing. Pemrosesan citra secara morfologis.
CIG4E3 / Pengolahan Citra Digital BB 10. Morphological Image Processing Intelligent Computing and Multimedia (ICM) Pemrosesan citra secara morfologis Perbedaan antara pemrosesan citra secara morfologis
Lebih terperinciDEKOMPOSISI MORFOLOGI BENTUK BINER DUA DIMENSI MENJADI POLIGON KONVEKS DENGAN PENDEKATAN HEURISTIK
DEKOMPOSISI MORFOLOGI BENTUK BINER DUA DIMENSI MENJADI POLIGON KONVEKS DENGAN PENDEKATAN HEURISTIK Nanik Suciati, Rosdiana Rahmawati Jurusan Teknik Informatika, Fakultas Teknologi Informasi, Institut Teknologi
Lebih terperinciPENGEMBANGAN APLIKASI PERHITUNGAN JUMLAH OBJEK PADA CITRA DIGITAL DENGAN MENGGUNAKAN METODE MATHEMATICAL MORPHOLOGY
PENGEMBANGAN APLIKASI PERHITUNGAN JUMLAH OBJEK PADA CITRA DIGITAL DENGAN MENGGUNAKAN METODE MATHEMATICAL MORPHOLOGY DAN TEKNIK CONNECTED COMPONENT LABELING Oleh I Komang Deny Supanji, NIM 0815051052 Jurusan
Lebih terperinciFAKULTAS TEKNIK (FT) PROGRAM TEKNIK INFORMATIKA UNIVERSITAS NUSANTARA PGRI KEDIRI 2016
DETEKSI KEMUNCULAN BULAN SABIT MENGGUNAKAN METODE CIRCULAR HOUGH TRANSFORM ARTIKEL Diajukan Untuk Penulisan Skripsi Guna Memenuhi Salah Satu Syarat Memperoleh Gelar Sarjana Komputer (S.Kom) Pada Program
Lebih terperinci10/13/2009 MORFOLOGI CITRA SET CITRA DAN OPERASINYA PEMROSESAN CITRA SECARA MORFOLOGIS PEMROSESAN CITRA SECARA MORFOLOGIS
PEMROEN CITR ECR MORFOLOGI Kuliah ke 8 Program 1 Reguler, DTE FTUI 2009 MORFOLOGI CITR Perbedaan antara pemrosesan citra secara morfologis dengan pemrosesan biasa (yang telah dipelajari): Dulu sebuah citra
Lebih terperinciGLOSARIUM Adaptive thresholding Peng-ambangan adaptif Additive noise Derau tambahan Algoritma Moore Array Binary image Citra biner Brightness
753 GLOSARIUM Adaptive thresholding (lihat Peng-ambangan adaptif). Additive noise (lihat Derau tambahan). Algoritma Moore : Algoritma untuk memperoleh kontur internal. Array. Suatu wadah yang dapat digunakan
Lebih terperinciPEMAKAIAN KAMERA CCTV SEBAGAI SENSOR POSISI
PEMAKAIAN KAMERA CCTV SEBAGAI SENSOR POSISI Erdhi Widyarto Nugroho Teknik Elektro Universitas Katolik Soegijapranata Semarang e-mail : Erdhi@unika.ac.id ABSTRACT Kamera CCTV adalah suatu kamera yang secara
Lebih terperinciSEGMENTASI WARNA CITRA DENGAN DETEKSI WARNA HSV UNTUK MENDETEKSI OBJEK
SEGMENTASI WARNA CITRA DENGAN DETEKSI WARNA HSV UNTUK MENDETEKSI OBJEK Benedictus Yoga Budi Putranto, Widi Hapsari, Katon Wijana Fakultas Teknik Program Studi Teknik Informatika Universitas Kristen Duta
Lebih terperinciIdentifikasi Gejala Penyakit Padi Menggunakan Operasi Morfologi Citra
Identifikasi Gejala Penyakit Padi Menggunakan Operasi Morfologi Citra Shofiyyah Zahrah 1, Ristu Saptono 2, Esti Suryani 3 1,2,3 Program Studi Informatik, FMIPA, Universitas Sebelas Maret Email: 1 shofizr@gmail.com,
Lebih terperinciSEGMENTASI CITRA CT SCAN TUMOR OTAK MENGGUNAKAN MATEMATIKA MORFOLOGI (WATERSHED) DENGAN FLOOD MINIMUM OPTIMAL
SEGMENTASI CITRA CT SCAN TUMOR OTAK MENGGUNAKAN MATEMATIKA MORFOLOGI (WATERSHED) DENGAN FLOOD MINIMUM OPTIMAL Andi Hendra 1 1 Jurusan Matematika MIPA Universitas Tadulako ABSTRAK Penelitian pengolahan
Lebih terperinciBAB 1 PENDAHULUAN. citra keluaran dengan informasi yang siap digunakan. meningkatkan efisiensi dan akurasi, serta meminimalisasi kesalahan.
BAB 1 PENDAHULUAN 1.1 Latar Belakang Perkembangan teknologi pada bidang kedokteran cukup pesat. Dalam bidang pencitraan biologis, penggunaan kardiologi dan mammografi telah diaplikasikan secara luas di
Lebih terperinciRENCANA PROGRAM KEGIATAN PERKULIAHAN SEMESTER (RPKPS)
RENCANA PROGRAM KEGIATAN PERKULIAHAN SEMESTER (RPKPS) Kode / Nama Mata Kuliah : A11. 54521 / Pengolahan Citra Digital Revisi - Satuan Kredit Semester : 3 SKS Tgl revisi : - Jml Jam kuliah dalam seminggu
Lebih terperinciDosen Pembimbing 1 : Dr. Agus Zainal Arifin, S.Kom, M.Kom Dosen Pembimbing 2 : Anny Yuniarti, S.Kom, M.Comp.Sc MIFTAHUS SHOLIHIN
Dosen Pembimbing 1 : Dr. Agus Zainal Arifin, S.Kom, M.Kom Dosen Pembimbing 2 : Anny Yuniarti, S.Kom, M.Comp.Sc MIFTAHUS SHOLIHIN 5107100609 PENDAHULUAN Segmentasi Endapan Urin 2 LATAR BELAKANG Segmentasi
Lebih terperinciSATUAN ACARA PERKULIAHAN TEKNIK ELEKTRO ( IB ) MATA KULIAH / SEMESTER : PENGOLAHAN CITRA / 8 KODE MK / SKS / SIFAT : AK / 2 SKS / MK LOKAL
SATUAN ACARA PERKULIAHAN TEKNIK ELEKTRO ( IB ) MATA KULIAH / SEMESTER : PENGOLAHAN / 8 KODE MK / SKS / SIFAT : AK01220 / 2 SKS / MK LOKAL Pertemuan Pokok Bahasan dan ke TIU 1 PENDAHULUAN TIU mengetahui
Lebih terperinciIMPLEMENTASI SEGMENTASI PEMBULUH DARAH RETINA PADA CITRA FUNDUS MATA BERWARNA MENGGUNAKAN PENDEKATAN MORFOLOGI ADAPTIF
IMPLEMENTASI SEGMENTASI PEMBULUH DARAH RETINA PADA CITRA FUNDUS MATA BERWARNA MENGGUNAKAN PENDEKATAN MORFOLOGI ADAPTIF Dini Nuzulia Rahmah 1, Handayani Tjandrasa 2, Anny Yuniarti 3 Teknik Informatika,
Lebih terperinciTEKNIK PENGOLAHAN CITRA DIGITAL TPE 418
RENCANA PROGRAM KEGIATAN PEMBELAJARAN SEMESTER (RPKPS) TEKNIK PENGOLAHAN CITRA DIGITAL TPE 418 OLEH: Dr. ANDASURYANI, S.TP, M.Si PROGRAM STUDI TEKNIK PERTANIAN JURUSAN TEKNIK PERTANIAN FAKULTAS TEKNOLOGI
Lebih terperinciModifikasi Algoritma Pengelompokan K-Means untuk Segmentasi Citra Ikan Berdasarkan Puncak Histogram
Modifikasi Algoritma Pengelompokan K-Means untuk Segmentasi Citra Ikan Berdasarkan Puncak Histogram Shabrina Mardhi Dalila (5109100049) Dosen Pembimbing 1 Prof. Ir. Handayani Tjandrasa, M.Sc., Ph.D. Dosen
Lebih terperinciIV. HASIL DAN PEMBAHASAN
IV. HASIL DAN PEMBAHASAN 4.1. Deteksi Dari citra setting yang telah direkam, dengan menggunakan software Paint Shop Pro v.6, diketahui nilai RGB dari tiap laser yang terekam oleh kamera CCD. RGB yang dicantumkan
Lebih terperinciBAB 1 PENDAHULUAN. 1.1 Latar Belakang
BAB 1 PENDAHULUAN 1.1 Latar Belakang Pada saat sekarang ini teknologi komputer telah berkembang pesat. Teknologi komputer ini pada mulanya hanya berkembang dalam teknologi pengolahan data saja. Namun seiring
Lebih terperinciPenerapan Algoritma BFS dan DFS dalam Mencari Solusi Permainan Rolling Block
Penerapan Algoritma dan DFS dalam Mencari Solusi Permainan Rolling Block Zakiy Firdaus Alfikri 13508042 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung,
Lebih terperinciPengenalan Karakter Sintaktik menggunakan Algoritma Otsu dan Zhang-Suen
Pengenalan Karakter Sintaktik menggunakan Algoritma Otsu dan Zhang-Suen Yusfia Hafid Aristyagama (23214355) Electrical Engineering, Digital Media and Game Technology Institut Teknologi Bandung Bandung,
Lebih terperinciBAB 2 LANDASAN TEORI 2.1. Sistem Remote Sensing (Penginderaan Jauh)
BAB 2 LANDASAN TEORI 2.1. Sistem Remote Sensing (Penginderaan Jauh) Remote Sensing didefinisikan sebagai ilmu untuk mendapatkan informasi mengenai obyek-obyek pada permukaan bumi dengan analisis data yang
Lebih terperinciAplikasi Algoritma Traversal Dalam Binary Space Partitioning
Aplikasi Algoritma Traversal Dalam Binary Space Partitioning Pudy Prima (13508047) Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung, Jl. Ganesha 10 Bandung
Lebih terperinciPENDETEKSIAN POSISI PLAT NOMOR MOBIL MENGGUNAKAN METODE MORFOLOGI DENGAN OPERASI DILASI, FILLING HOLES, DAN OPENING
PENDETEKSIAN POSISI PLAT NOMOR MOBIL MENGGUNAKAN METODE MORFOLOGI DENGAN OPERASI DILASI, FILLING HOLES, DAN OPENING Arini 1, Feri Fahrianto 2, Andre Agusta 3, Asep Taufik Muharam 1,2,3,4 Teknik Informatika,
Lebih terperinciBAB 3 METODOLOGI PENELITIAN. a. Spesifikasi komputer yang digunakan dalam penelitian ini adalah
BAB 3 METODOLOGI PENELITIAN 3.1 Alat dan Bahan Penelitian 3.1.1 Alat Penelitian a. Spesifikasi komputer yang digunakan dalam penelitian ini adalah sebagai berikut: 1) Prosesor Intel (R) Atom (TM) CPU N550
Lebih terperinciMorphological Image Processing
Morphological Image Processing Muhammad Kusban Teknik Elektro, Universitas Muhammadiyah Surakarta Abstrak -- Proses morphologi terutama digunakan untuk menghilangkan ketidaksempurnaan bentuk yang ada dalam
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI Pada bab ini akan dibahas teori yang berkaitan dengan sistem pendeteksi orang tergeletak mulai dari : pembentukan citra digital, background subtraction, binerisasi, median filtering,
Lebih terperinciCitra Biner. Bab Pendahuluan
Bab 11 Citra Biner C itra biner (binary image) adalah citra yang hanya mempunyai dua nilai derajat keabuan: hitam dan putih. Meskipun saat ini citra berwarna lebih disukai karena memberi kesan yang lebih
Lebih terperinciBAB III ANALISIS DAN PERANCANGAN SISTEM. Dalam pengerjaan tugas akhir ini memiliki tujuan untuk mengektraksi
BAB III ANALISIS DAN PERANCANGAN SISTEM 3.1 Model Pengembangan Dalam pengerjaan tugas akhir ini memiliki tujuan untuk mengektraksi fitur yang terdapat pada karakter citra digital menggunakan metode diagonal
Lebih terperinciBAB 3 PENGENALAN KARAKTER DENGAN GABUNGAN METODE STATISTIK DAN FCM
BAB 3 PENGENALAN KARAKTER DENGAN GABUNGAN METODE STATISTIK DAN FCM 3.1 Gambaran Umum Gambar 3.1 Gambar Keseluruhan Proses Secara Umum 73 74 Secara garis besar, keseluruhan proses dapat dikelompokkan menjadi
Lebih terperinciKONTRAK PEMBELAJARAN (KP) MATA KULIAH. Pengolahan Citra dan Pengenalan Pola
KONTRAK PEMBELAJARAN (KP) MATA KULIAH Pengolahan Citra dan Pengenalan Pola Kode MK: TSK 713 Program Studi Sistem Komputer Fakultas Teknik Universitas Diponegoro Pengajar : Dr.Oky Dwi Nurhayati, ST, MT
Lebih terperinciROBOT MOBIL DENGAN SENSOR KAMERA UNTUK MENELUSURI JALUR PADA MAZE
ROBOT MOBIL DENGAN SENSOR KAMERA UNTUK MENELUSURI JALUR PADA MAZE Lauw Lim Un Tung, Resmana Lim, Budiman Lewa Electrical Engineering Dept., PETRA Christian University Jl. Siwalankerto 121-131, Surabaya
Lebih terperinciBAB III METODE PENELITIAN
BAB III METODE PENELITIAN 3.1 Waktu dan Tempat Penelitian Waktu yang digunakan dalam penelitian ini yaitu dalam kurun waktu enam bulan terhitung mulai februari 2012 sampai juli 2012. Tempat yang digunakan
Lebih terperinciBAB 3 IMPLEMENTASI SISTEM
BAB 3 IMPLEMENTASI SISTEM Bab ini akan membahas mengenai proses implementasi dari metode pendeteksian paranodus yang digunakan dalam penelitian ini. Bab ini terbagai menjadi empat bagian, bagian 3.1 menjelaskan
Lebih terperinciBAB II LANDASAN TEORI
BAB II LANDASAN TEORI Pada bab ini akan dibahas teori yang berkaitan dengan pemrosesan data untuk sistem pendeteksi senyum pada skripsi ini, meliputi metode Viola Jones, konversi citra RGB ke grayscale,
Lebih terperinciKOMPRESI CITRA. Pertemuan 12 Mata Pengolahan Citra
KOMPRESI CITRA Pertemuan 12 Mata Pengolahan Citra PEMAMPATAN CITRA Semakin besar ukuran citra semakin besar memori yang dibutuhkan. Namun kebanyakan citra mengandung duplikasi data, yaitu : Suatu piksel
Lebih terperinciPengenalan Benda di Jalan Raya dengan Metode Kalman Filter. Roslyn Yuniar Amrullah
Pengenalan Benda di Jalan Raya dengan Metode Kalman Filter Roslyn Yuniar Amrullah 7406040026 Abstrak Computer Vision merupakan disiplin ilmu perpanjangan dari pengolahan citra digital dan kecerdasan buatan.
Lebih terperinciII. LANDASAN TEORI I. PENDAHULUAN
MAKALAH SEMINAR TUGAS AKHIR IDENTIFIKASI CACAT PADA KEPING PCB MENGGUNAKAN PENCOCOKAN MODEL (TEMPLATE MATCHING) Kris Adhy Nugroho*, R. Rizal Isnanto **, Achmad Hidayatno ** Abstrak Inspeksi secara automatis
Lebih terperinciSEGMENTASI CITRA MEDIK MRI (MAGNETIC RESONANCE IMAGING) MENGGUNAKAN METODE REGION THRESHOLD
SEGMENTASI CITRA MEDIK MRI (MAGNETIC RESONANCE IMAGING) MENGGUNAKAN METODE REGION THRESHOLD Murinto, Resa Fitria Rahmawati Program Studi Teknik Informatika Fakultas Teknologi Industri Universitas Ahmad
Lebih terperinciKOMBINASI METODE MORPHOLOGICAL GRADIENT DAN TRANSFORMASI WATERSHED PADA PROSES SEGMENTASI CITRA DIGITAL
KOMBINASI METODE MORPHOLOGICAL GRADIENT DAN TRANSFORMASI WATERSHED PADA PROSES SEGMENTASI CITRA DIGITAL Rudy Adipranata Universitas Kristen Petra Jl. Siwalankerto 121-131, Surabaya. Telp. (031) 8439040
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1. Teori Umum 2.1.1. Warna Dengan menggunakan 3 buah reseptor manusia dapat membedakan banyak warna. Warna tricromatic RGB dalam sistem grafis umumnya menggunakan 3 byte (2 8 ) 3,
Lebih terperinciSISTEM REKOGNISI KARAKTER NUMERIK MENGGUNAKAN ALGORITMA PERCEPTRON
30 BAB IV SISTEM REKOGNISI KARAKTER NUMERIK MENGGUNAKAN ALGORITMA PERCEPTRON 4.1 Gambaran Umum Sistem Diagram sederhana dari program yang dibangun dapat diilustrasikan dalam diagram konteks berikut. Gambar
Lebih terperinciBAB 2 KAJIAN PUS TAKA
BAB 2 KAJIAN PUS TAKA 2.1 Kecerdasan Buatan 2.1.1 Definisi Kecerdasan Buatan Kecerdasan buatan dapat didefinisikan sebagai cabang dari ilmu komputer yang memusatkan perhatian pada otomatisasi dari karakteristik
Lebih terperinciIDENTIFIKASI INDIVIDU BERDASARKAN CITRA SILUET BERJALAN MENGGUNAKAN PENGUKURAN JARAK KONTUR TERHADAP CENTROID ABSTRAK
IDENTIFIKASI INDIVIDU BERDASARKAN CITRA SILUET BERJALAN MENGGUNAKAN PENGUKURAN JARAK KONTUR TERHADAP CENTROID Disusun Oleh : Robin Yosafat Saragih (1022076) Jurusan Teknik Elektro, Fakultas Teknik, Universitas
Lebih terperinciANALISIS PERBANDINGAN METODE PREWITT DAN CANNY UNTUK IDENTIFIKASI IKAN AIR TAWAR
ANALISIS PERBANDINGAN METODE PREWITT DAN CANNY UNTUK IDENTIFIKASI IKAN AIR TAWAR Gibtha Fitri Laxmi 1, Puspa Eosina 2, Fety Fatimah 3 1,2,3 Program Studi Teknik Informatika, Fakultas Teknik, Universitas
Lebih terperinciMKB3383 TEKNIK PENGOLAHAN CITRA Pemrosesan Citra Biner
MKB3383 TEKNIK PENGOLAHAN CITRA Pemrosesan Citra Biner Dosen Pengampu: Muhammad Zidny Naf an, M.Kom. Genap 2016/2017 Definisi Citra biner (binary image) adalah citra yang hanya mempunyai dua nilai derajat
Lebih terperinciBAB II LANDASAN TEORI...
DAFTAR ISI HALAMAN JUDUL... i LEMBAR PENGESAHAN PEMBIMBING... ii LEMBAR PERNYATAAN KEASLIAN HASIL TESIS... iii LEMBAR PENGESAHAN PENGUJI... iv PERSEMBAHAN... v MOTTO... vi KATA PENGANTAR... vii SARI...
Lebih terperinciAPLIKASI IMAGE THRESHOLDING UNTUK SEGMENTASI OBJEK
APLIKASI IMAGE THRESHOLDING UNTUK SEGMENTASI OBJEK Rinaldi Munir Sekolah Teknik Elektro dan Informatika, Institut Teknologi Bandung Jl. Ganesha 10 Bandung 40132 E-mail: rinaldi@informatika.org Abstrak
Lebih terperinciAPLIKASI DETEKSI MIKROKALSIFIKASI DAN KLASIFIKASI CITRA MAMMOGRAM BERBASIS TEKSTUR SEBAGAI PENDUKUNG DIAGNOSIS KANKER PAYUDARA
APLIKASI DETEKSI MIKROKALSIFIKASI DAN KLASIFIKASI CITRA MAMMOGRAM BERBASIS TEKSTUR SEBAGAI PENDUKUNG DIAGNOSIS KANKER PAYUDARA Yusti Fitriyani Nampira 50408896 Dr. Karmilasari Kanker Latar Belakang Kanker
Lebih terperinciAPLIKASI IMAGE THRESHOLDING UNTUK SEGMENTASI OBJEK
APLIKASI IMAGE THRESHOLDING UNTUK SEGMENTASI OBJEK Rinaldi Munir Sekolah Teknik Elektro dan Informatika, Institut Teknologi Bandung Jl. Ganesha 10 Bandung 40132 E-mail: rinaldi@informatika.org ABSTRAKSI
Lebih terperinciSATUAN ACARA PERKULIAHAN ( SAP )
SATUAN ACARA PERKULIAHAN ( SAP ) Mata Kuliah : Pengolahan Citra Digital Kode : IES 6323 Semester : VI Waktu : 2 x 3x 50 Menit Pertemuan : 10&11 A. Kompetensi 1. Utama Mahasiswa dapat memahami tentang sistem
Lebih terperinciIDENTIFIKASI SEL DARAH BERBENTUK SABIT PADA CITRA SEL DARAH PENDERITA ANEMIA
IDENTIFIKASI SEL DARAH BERBENTUK SABIT PADA CITRA SEL DARAH PENDERITA ANEMIA IMAM SUBEKTI 2209106021 Dosen Pembimbing: Prof. Dr. Ir. Mauridhi Hery Purnomo, M.Eng. Dr. I Ketut Eddy Purnama, ST, MT. Latar
Lebih terperinciOPTIMASI ALGORITMA IDENTIFIKASI STRABISMUS
OPTIMASI ALGORITMA IDENTIFIKASI STRABISMUS PADA MATA MANUSIA BERBASIS IMAGE PROCESSING DENGAN EUCLIDEAN DISTANCE PADA SISTEM MEKANIKAL AUTOMATED OPTICAL INSPECTION (AOI) AHMAD RIFA I RIF AN NRP. 2106 100
Lebih terperinciDAFTAR ISI BAB II TINJAUAN PUSTAKA...4
DAFTAR ISI HALAMAN JUDUL...i PERNYATAAN BEBAS PLAGIARISME...ii HALAMAN PENGESAHAN...iii HALAMAN TUGAS...iv HALAMAN MOTTO...vi KATA PENGANTAR...vii DAFTAR ISI...ix DAFTAR TABEL...xiii DAFTAR GAMBAR...xv
Lebih terperinciModifikasi Algoritma Pengelompokan K-Means untuk Segmentasi Citra Ikan Berdasarkan Puncak Histogram
JURNAL TEKNIK POMITS Vol. 1, No. 1, (2013) 1-5 1 Modifikasi Algoritma Pengelompokan K-Means untuk Segmentasi Citra Ikan Berdasarkan Puncak Histogram Shabrina Mardhi Dalila, Handayani Tjandrasa, dan Nanik
Lebih terperinciBAB II LANDASAN TEORI. menggunakan komputer atau laptop merupakan citra digital, dapat juga diartikan
BAB II LANDASAN TEORI 2.1 Pengolahan Citra Digital Citra atau Gambar (Image) adalah sebuah informasi yang memiliki bentuk visual. Suatu citra yang diperoleh dari hasil kamera dan dapat diolah menggunakan
Lebih terperinciPERANCANGAN DAN PEMBUATAN APLIKASI UNTUK MENDESAIN KARTU UCAPAN
PERANCANGAN DAN PEMBUATAN APLIKASI UNTUK MENDESAIN KARTU UCAPAN Rudy Adipranata 1, Liliana 2, Gunawan Iteh Fakultas Teknologi Industri, Jurusan Teknik Informatika, Universitas Kristen Petra Jl. Siwalankerto
Lebih terperinciKLASIFIKASI TELUR AYAM DAN TELUR BURUNG PUYUH MENGGUNAKAN METODE CONNECTED COMPONENT ANALYSIS
Ikhwan Ruslianto KLASIFIKASI TELUR AYAM DAN TELUR BURUNG PUYUH MENGGUNAKAN METODE CONNECTED COMPONENT ANALYSIS IKHWAN RUSLIANTO Program Studi Teknik Informatika Sekolah Tinggi Manajemen Informatika dan
Lebih terperinciMAKALAH PENGOLAHAN CITRA DIGITAL. ( Histogram Citra ) Disusun Oleh : : 1. Agus Riyanto (2111T0238) 2. M. Yazid Nasrullah ( 2111T0233 )
MAKALAH PENGOLAHAN CITRA DIGITAL ( Histogram Citra ) Disusun Oleh : Nama : 1. Agus Riyanto (2111T0238) 2. M. Yazid Nasrullah ( 2111T0233 ) Jurusan : Tehnik Informatika ( Semester VI ) Kampus : STIMIK HIMSYA
Lebih terperinciBAB 2 LANDASAN TEORI
BAB 2 LANDASAN TEORI 2.1 Sel Darah Merah Sel yang paling banyak di dalam selaput darah adalah sel darah merah atau juga dikenal dengan eritrosit. Sel darah merah berbentuk cakram bikonkaf dengan diameter
Lebih terperinciTOLERANSI UNJUK PENGENALAN JARINGAN SYARAF TIRUAN PADA PENAMBAHAN DERAU DAN SUDUT PUTARAN TERHADAP POLA KARAKTER TULISAN TANGAN JENIS ANGKA
Iwan Suhardi, Toleransi Jaringan Syaraf Tiruan TOLERANSI UNJUK PENGENALAN JARINGAN SYARAF TIRUAN PADA PENAMBAHAN DERAU DAN SUDUT PUTARAN TERHADAP POLA KARAKTER TULISAN TANGAN JENIS ANGKA Iwan Suhardi Jurusan
Lebih terperinciPenerapan Teori Graf dan Graf Cut pada Teknik Pemisahan Objek Citra Digital
Penerapan Teori Graf dan Graf Cut pada Teknik Pemisahan Objek Citra Digital Rio Dwi Putra Perkasa 13515012 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi Bandung,
Lebih terperinciSistem Deteksi Bola Berdasarkan Warna Bola Dan Background Warna Lapangan Pada Robot Barelang FC
Sistem Deteksi Bola Berdasarkan Warna Bola Dan Background Warna Lapangan Pada Robot Barelang FC Hanjaya Mandala (1).EkoRudiawan,S.ST (2).HendawanSoebhakti,ST.,MT (3). (1) (2) (3) Politeknik Negeri Batam
Lebih terperinciOperasi Bertetangga KONVOLUSI. Informatics Eng. - UNIJOYO log.i. Citra kualitas baik: mencerminkan kondisi sesungguhnya dari obyek yang dicitrakan
KONVOLUSI Informatics Eng. - UNIJOYO log.i Citra kualitas baik: mencerminkan kondisi sesungguhnya dari obyek yang dicitrakan Citra ideal: korespondensi satu-satu sebuah titik pada obyek yang dicitrakan
Lebih terperinciSegmentasi Dan Pelabelan Pada Citra Panoramik Gigi
Segmentasi Dan Pelabelan Pada Citra Panoramik Gigi Nur Nafi iyah 1, Yuliana Melita, S.Kom, M.Kom 2 Program Pascasarjana Sekolah Tinggi Teknik Surabaya Email: nafik_unisla26@yahoo.co.id 1, ymp@stts.edu
Lebih terperinciPertemuan 2 Dasar Citra Digital. Anny Yuniarti, S.Kom, M.Comp.Sc
Pertemuan 2 Dasar Citra Digital Anny Yuniarti, S.Kom, M.Comp.Sc Tujuan Memberikan pemahaman tentang konsep-konsep dasar dalam pengolahan citra digital, a.l.: Apakah pengolahan citra digital? Sampling dan
Lebih terperinciANALISIS CITRA PERMUKAAN THERMOCHROMIC LIQUID CRYSTAL BERDASARKAN NILAI STATISTIK HUE
42 R. Suryantari et al., Aplikasi Citra Permukaan Thermochromic Liquid Crystal ANALISIS CITRA PERMUKAAN THERMOCHROMIC LIQUID CRYSTAL BERDASARKAN NILAI STATISTIK HUE Risti Suryantari*, Flaviana Program
Lebih terperinciPENDETEKSIAN POSISI PLAT NOMOR KENDARAAN MENGGUNAKAN METODE MORFOLOGI MATEMATIKA
PENDETEKSIAN POSISI PLAT NOMOR KENDARAAN MENGGUNAKAN METODE MORFOLOGI MATEMATIKA Nanang Trisnadik *), Achmad Hidayatno dan R. Rizal Isnanto Jurusan Teknik Elektro, Universitas Diponegoro Semarang Jl. Pro
Lebih terperinciImplementasi Metode Hough Transform Pada Citra Skeletonisasi Dengan Menggunakan MATLAB 7.6. Intan Nur Lestari
Implementasi Metode Hough Transform Pada Citra Skeletonisasi Dengan Menggunakan MATLAB 7.6 Intan Nur Lestari Fakultas Teknologi Industri Universitas Gunadarma Jl. Margonda Raya, 100, Pondok Cina, Depok
Lebih terperinciBAB III PERANCANGAN SISTEM. Pada dewasa sekarang ini sangat banyak terdapat sistem dimana sistem tersebut
BAB III PERANCANGAN SISTEM 3.1 Definisi Masalah Pada dewasa sekarang ini sangat banyak terdapat sistem dimana sistem tersebut sudah terintegrasi dengan komputer, dengan terintegrasinya sistem tersebut
Lebih terperinciPENGOLAHAN CITRA DIGITAL ( DIGITAL IMAGE PROCESSING )
FAKULTAS TEKNIK INFORMATIKA PENGOLAHAN CITRA DIGITAL ( DIGITAL IMAGE PROCESSING ) Pertemuan 1 Introduction Nama Nazaruddin Ahmad Biodata Tempat/Tgl.Lahir Banda Aceh, 05 Juni 1982 Alamat Hp 081360866064
Lebih terperinci2 BAB II TINJAUAN PUSTAKA
9 2 BAB II TINJAUAN PUSTAKA 2.1 Penelitian Terkait Secara umum penelitian pengenalan plat nomor kendaraan terdiri dari tiga tahapan [1][7][11], yaitu deteksi plat nomor kendaraan, segmentasi karakter,
Lebih terperinciVOLT. Jurnal Ilmiah Pendidikan Teknik Elektro. Journal homepage: jurnal.untirta.ac.id/index.php/volt Vol. 1, No. 1, Oktober 2016, 01-14
P-ISSN: 2528-5688 E-ISSN: 2528-5696 VOLT Jurnal Ilmiah Pendidikan Teknik Elektro Journal homepage: jurnal.untirta.ac.id/inde.php/volt Vol., No., Oktober 206, 0-4 IDENTIFIKASI OBYEK BENDA TAJAM MENGGUNAKAN
Lebih terperinciUKDW BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah
BAB 1 PENDAHULUAN 1.1 Latar Belakang Masalah Sistem parkir khususnya untuk parkir mobil di tempat-tempat pusat perbelanjaan di Indonesia pada umumnya sudah menerapkan sistem otomatis. Setiap mobil yang
Lebih terperinciBAB 3 PERANCANGAN SISTEM
BAB 3 PERANCANGAN SISTEM 3.1 Metode Perancangan Perancangan sistem didasarkan pada teknologi computer vision yang menjadi salah satu faktor penunjang dalam perkembangan dunia pengetahuan dan teknologi,
Lebih terperinciPERBANDINGAN METODE PENDETEKSI TEPI STUDI KASUS : CITRA USG JANIN
PERBANDINGAN METODE PENDETEKSI TEPI STUDI KASUS : CITRA USG JANIN 1) Merly Indira 2) Eva Yuliana 3) Wahyu Suprihatin 4) Bertalya Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Gunadarma Jl.
Lebih terperinciPerbandingan Algoritma Depth-First Search dan Algoritma Hunt-and-Kill dalam Pembuatan Labirin
Perbandingan Algoritma Depth-First Search dan Algoritma Hunt-and-Kill dalam Pembuatan Labirin Arie Tando - 13510018 Program Studi Teknik Informatika Sekolah Teknik Elektro dan Informatika Institut Teknologi
Lebih terperinci